بهینه‌سازی هزینه، زمان و کیفیت در فرآیند تولید مرغ گوشتی با تلفیق الگوریتم ژنتیک (NRGA-II) و منطق فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مکانیزاسیون کشاورزی، گروه مهندسی ماشین‏های کشاورزی دانشکدۀ مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

2 استادیار گروه مهندسی ماشین‏های کشاورزی دانشکدۀ مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 استاد گروه مهندسی ماشین‏های کشاورزی دانشکدۀ مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

4 دانشجوی کارشناسی ارشد فیزیولوژی دام، گروه علوم دامی دانشکدۀ علوم و مهندسی کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

چکیده

از مسائل بسیار مهم در مدیریت تولید، انتخاب بهترین گزینه برای انجام هرکدام از فعالیت‌های تولید به‌نحوی است که هزینه و زمان کمترین مقدار و بالاترین کیفیت ممکن را داشته باشد. با توجه به تعداد زیاد فعالیت‏ها و گزینه‏های انتخابی برای هر فعالیت، معمولاً این انتخاب جواب منحصربه‌فردی ندارد و می‌توان با استفاده از تابع مطلوبیت و اختصاص‌دادن وزن‌هایی به زمان و هزینه و کیفیت، بهترین جواب را از بین جواب‏های به‌دست‌آمده انتخاب کرد. از آنجا که در دنیای واقعی عدم قطعیت وجود دارد، پس برای رسیدن به مدیریت دقیق بایستی به عدم قطعیت نیز توجه شود. در این مقاله یک مدل ریاضی فازی برای شبکه‌ای از فعالیت‌ها پیشنهاد می‌شود، تا از میان شیوه‌های ممکن و موازنۀ معیارهای آنها، بهترین شیوۀ اجرا برای هر فعالیت مشخص شود. بدین منظور از الگوریتم ژنتیک مبتنی بر رتبه‌بندی نامغلوب برای حل این مسئله استفاده و بهترین شیوه‌های انجام هر فعالیت برای تولید مرغ گوشتی از تخم‌مرغ تا کشتار ارائه شد و مقدار زمان، هزینه، و کیفیت به ترتیب 8/1793 ساعت و 99/911 میلیون تومان و 48درصد محاسبه شد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Time-Cost-Quality Optimization of Broilers Production Process Using Integration Genetic Algorithm and Fuzzy Logic

نویسندگان [English]

  • Erfan khosravani Moghadam 1
  • Mohammad Sharifi 2
  • Shahin Rafiee 3
  • Payam Hatami 4
1 M.Sc. Student in the field of Agriculture Mechanization, Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering & Technology, University College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
2 Assistant Professor in Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering & Technology, University College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
3 Professor in Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering & Technology, University College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
4 M.Sc. Student in the field of Animal Physiology, Department of Animal Science, Faculty of Agricultural Engineering & Science, University College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
چکیده [English]

One of the most important issues in the management of production is select the best option for each production activity, So that the time and cost of production is minimal and quality is the maximum. Considering to the large number of activities and options for each activity, usually, this choice does not have a unique solution and can be used the utility function and assign weights to time, cost and quality, Select the best answer from the answers obtained. Since there is uncertainty in the real world, so to achieve a careful management must consider the uncertainty. In this paper, a fuzzy mathematical model for a network of activities is recommended. Until among the possible methods, best method for each activity to be determined. For this purpose, a genetic algorithm based on non-dominated ranking was used for solving the problem. And best method presented for each activity in the production of broiler from Buy eggs broiler breeder hen until slaughter house and the amount of time, cost and quality was calculated, 1793.8 hour and 9119.9 million Rials and 48% respectively.

کلیدواژه‌ها [English]

  • Multi-objective optimization
  • Genetic Algorithm
  • fuzzy logic
  • Solutions Pareto
  • broiler

مراجع

Abdel Razek, R.H., Diab, A.M., Hafez, S.M., Aziz, R.F. (2010). Time-cost-quality trade-off software by using simplified genetic algorithm for typicalrepetitive construction projects. World Academy of Science Engineering and Technology, 61(1), 312-321.
Azaron, A., Perkgoz, C., Sakawa, M. (2005). A genetic algorithm approach for the time-cost trade-off in PERT networks. Applied Mathematics and Computation, 168(1), 1317–1339.
Ebrahimnezhad, S., Ahmadi, V., Javanshir, H. (2013). Time-cost-quality trade-off in a CPM network using fuzzy logic and genetic algorithm, International Journal of Industrial Engineering & Production Management, 24(3), 361-376.
El-Rayes, K., Kandil, A. (2005). Time-cost-quality trade-offanalysisforhighwayconstruction, Journal Of Computing in Civil Engineering, 131(4), 477-486.
Feng, C. (1997). Using GA to solve construction time cost trade off problem. Journal Of Computing in Civil Engineering, 11(3), 184-189.
Feng, C.W., Liu, L., Burns, S.A. (2000). Stochastic construction time-cost trade-off analysis. Journal Of Computing in Civil Engineering. 14(2), 117-126.
Fondahel, J.W. (1961). A non-computer approach to the critical path method for the construction industry Technical Report, Department of Civil Engineering, The construction Institute, Stanford University.
Iranmanesh, H., Skandari, M.R., Allahverdilloo, M. (2008). Finding pareto optimal front for the multi-mode time, cost quality trade-off in project scheduling, International Journal of Computer and Information Engineering. 2(2), 118-122.
Leu, L., Burns S., & Feng C. (2005). Construction time- cost trade-off analysis using LP/IP hybrid model, Journal Of Construction Engineering Management, 121(4), 446-454.
Moselhi, O. (1993). Schedule compression using the direct stiffness method, Canadian Journal Civil Engineering, 20(1), 65-72.
Mungle, S., Benyoucef, L., Son, Y. J., & Tiwari, M. K. (2013). A fuzzy clustering-based genetic algorithm approach for time–cost–quality trade-off problems: A case study of highway construction project. Engineering Applications of  Artificial Intelligence, 26(8), 1953-1966.
Pagnoni, A. (1990). Project engineering: computer oriented planning and operational decision making, Springer, Berlin.
Patterson, J.H., Huber, D.(1974). A horizon varying, zeroone approach to project scheduling, ManagementScience J., 20(6), 990-998.
Simens, N. (1971). A simple CPM time cost trade off algorithm, Management Science J., 17(6), 354-363.
 

فایل ها

سابقه مقاله

  • تاریخ دریافت: 24 آذر 1393
  • تاریخ بازنگری: 28 فروردین 1394
  • تاریخ پذیرش: 05 اردیبهشت 1394

هم رسانی

ارجاع به این مقاله

آمار